Fine Tuning Axolotl API 参考

# Axolotl - Api **页数:** 150 --- ## cli.cloud.modal_ **URL:** https://docs.axolotl.ai/docs/api/cli.cloud.modal_.html **内容:** - cli.cloud.modal_ - 类 - ModalCloud - 函数 - run_cmd 来自 CLI 的 Modal Cloud 支持 Modal Cloud 实现。 在文件夹内运行命令，并在成功前重新加载 Modal Volume 并提交。 **示例:** 示例 1 (python): python cli.cloud.modal_.ModalCloud(config, app=None) 示例 2 (python): python cli.cloud.modal_.run_cmd(cmd, run_folder, volumes=None) --- ## core.trainers.base **URL:** https://docs.axolotl.ai/docs/api/core.trainers.base.html **内容:** - core.trainers.base - 类 - AxolotlTrainer - 方法 - log - 参数 - push_to_hub - store_metrics - 参数 自定义训练器模块 扩展基础 Trainer 以实现 Axolotl 辅助功能 记录监视训练的各种对象日志，包括存储的指标。 覆盖 push_to_hub 方法，以便在将模型推送到 Hub 时强制添加标签。请参阅 ~transformers.Trainer.push_to_hub 了解更多详情。 存储具有指定缩减类型的指标。 **示例:** 示例 1 (python): python core.trainers.base.AxolotlTrainer( *_args, bench_data_collator=None, eval_data_collator=None, dataset_tags=None, **kwargs, ) 示例 2 (python): python core.trainers.base.AxolotlTrainer.log(logs, start_time=None) 示例 3 (python): python core.trainers.base.AxolotlTrainer.push_to_hub(*args, **kwargs) 示例 4 (python): python core.trainers.base.AxolotlTrainer.store_metrics( metrics, train_eval='train', reduction='mean', ) --- ## prompt_strategies.input_output **URL:** https://docs.axolotl.ai/docs/api/prompt_strategies.input_output.html **内容:** - prompt_strategies.input_output - 类 - RawInputOutputPrompter - RawInputOutputStrategy prompt_strategies.input_output 用于纯输入/输出提示词对的模块 原始输入/输出数据的提示词生成器 输入/输出对的提示词策略类 **示例:** 示例 1 (python): python prompt_strategies.input_output.RawInputOutputPrompter() 示例 2 (python): python prompt_strategies.input_output.RawInputOutputStrategy( *args, eos_token=None, **kwargs, ) --- ## prompt_strategies.completion **URL:** https://docs.axolotl.ai/docs/api/prompt_strategies.completion.html **内容:** - prompt_strategies.completion -